AI BENCHY Compare
Google: Gemini 2.5 Flash vs OpenAI: GPT-4o-mini
Bandingkan:
Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-03-03
| Metrik | Google: Gemini 2.5 Flash medium Rilis: 2025-06-17 | OpenAI: GPT-4o-mini none Rilis: 2024-07-18 |
|---|---|---|
| Peringkat | #16 | #38 |
| Skor Rata-rata | 7.05 | 4.86 |
| Konsistensi | 9.39 | 9.98 |
| Biaya per hasil | 2.762 | 0.056 |
| Total Biaya | $0.249 | $0.003 |
| Tes benar | ||
| Tingkat lulus per percobaan | 69.1% | 35.7% |
| Tes tidak stabil | 1 | 0 |
| Token output | 975 | 949 |
| Token penalaran | 96,701 | 0 |
Skor vs Total Biaya
Rincian Kategori
| Trik anti-AI | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 7.33 | 10.00 | 66.7% | 0 | 249 | 8,832 | |
| OpenAI: GPT-4o-mini | 4.00 | 10.00 | 33.3% | 0 | 180 | 0 |
| Parsing dan ekstraksi data | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 9.88 | 10.00 | 100.0% | 0 | 279 | 2,325 | |
| OpenAI: GPT-4o-mini | 10.00 | 10.00 | 100.0% | 0 | 183 | 0 |
| Spesifik domain | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 4.00 | 7.21 | 55.6% | 1 | 18 | 80,702 | |
| OpenAI: GPT-4o-mini | 1.00 | 10.00 | 0.0% | 0 | 15 | 0 |
| Kepatuhan instruksi | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 7.00 | 9.91 | 50.0% | 0 | 69 | 1,203 | |
| OpenAI: GPT-4o-mini | 5.50 | 10.00 | 50.0% | 0 | 71 | 0 |
| Puzzle Solving | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 7.00 | 10.00 | 66.7% | 0 | 126 | 2,499 | |
| OpenAI: GPT-4o-mini | 4.00 | 9.92 | 0.0% | 0 | 295 | 0 |
| Pemanggilan alat | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 10.00 | 10.00 | 100.0% | 0 | 234 | 1,140 | |
| OpenAI: GPT-4o-mini | 10.00 | 10.00 | 100.0% | 0 | 205 | 0 |
Perbandingan Cepat
Ganti Pasangan Perbandingan
Gemini 2.5 FlashmediumvsGPT-5.3 ChatnoneGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneClaude Sonnet 4.6nonevsGemini 2.5 FlashmediumGPT-4o-mininonevsGLM 4.7 FlashmediumGemini 2.5 FlashmediumvsQwen3.5 Plus 2026-02-15noneMiniMax M2.5mediumvsGPT-4o-mininoneGPT-4o-mininonevsQwen3.5-FlashmediumGemini 2.5 FlashmediumvsGLM 5noneGPT-4o-mininonevsQwen3.5-35B-A3BmediumGPT-4o-mininonevsMiMo-V2-FlashmediumClaude Opus 4.6mediumvsGPT-4o-mininoneSeed-2.0-MinimediumvsGPT-4o-mininone